1.一种基于移动边缘计算的能耗优化计算方法，其特征在于，所述方法包括：分别计算出本地设备上的时间成本和能耗成本，以及边缘设备和中心设备上的时间成本和能耗成本；

分别对上述三种设备的时间成本和能耗成本赋予权重后求和，并分别构建出本地设备计算成本模型、边缘设备卸载成本模型以及中心设备卸载成本模型；

将时间权重和成本权重分别从0调节至1，利用生物地理学优化算法求解出各个成本模型中时间成本和能耗成本的一系列成本解；

采用快速非支配排序算法对这一系列成本解分别进行排序，并分别得到成本解集合；

根据多准则决策方法(TOPSIS)，计算出各自的理想解与负理想解，并从所述成本解集合中找到最接近理想解的最优解；

将所述最优解代入到对应的成本模型中，确定出当前任务采用边缘设备或者中心设备进行卸载的最优的时间成本和能耗成本以及当前任务采用本地设备进行计算的最优的时间成本和能耗成本。

2.根据权利要求1所述的一种基于移动边缘计算的能耗优化计算方法，其特征在于，本地设备计算成本模型表示为：Costi.l＝δi，tTi，l+δi，EEi，l

Ei，l＝kCifi，l2

其中，Costi.l表示本地设备的计算成本；δi，t表示任务i的完成时间权重；0＜δi，t＜1，Ti，l表示本地设备的时间成本；δi，E表示任务i的能耗权重；0＜δi，E＜1；Ei，l表示本地设备的能耗成本；Ci表示任务i所需数据大小；fi，l表示当前本地设备的CPU时钟频率；

边缘设备卸载成本模型表示为：

Costi.e＝δi，tTi，e+δi，EEi，e

其中，Costi.e表示边缘设备的卸载成本，δi，t表示边缘设备中的时间权重，δi，E表示边缘设备的能耗权重；Ti，e表示边缘设备上的时间成本；Ei，e表示边缘设备上的能耗成本；di，c表示边缘设备上的数据大小；r表示当前传输速率；fe表示边缘设备的CPU时钟频率；p表示功率；k表示有效开关电容；

中心设备卸载成本模型表示为：

中心设备时间成本和能耗成本考虑了虚拟机的放置，卸载的数据包括虚拟机信息，用以匹配卸载到中心云上的任务；用di，e和di，c分别表示边缘云和中心云上的数据大小，那么这两个数据是不等的，其最终的中心设备卸载成本模型表示为：Costi.c＝δi，tTi.c+δi，EEi，c

Costi.c表示中心设备的卸载成本，δi，t表示中心设备中的时间权重，δi，E表示中心设备的能耗权重；Ti，c表示中心设备上的时间成本；Ei，e表示中心设备上的能耗成本；di，c表示中心设备上的数据大小；Ci表示任务i所需数据大小；fc表示中心设备的CPU时钟频率。

3.根据权利要求1所述的一种基于移动边缘计算的能耗优化计算方法，其特征在于，将每个设备中至少包括功率和CPU时钟频率的一组数据定义为BBO算法中的一个栖息地；对于每个栖息地，计算其栖息地适应指数即每个设备卸载的成本；然后根据生物地理学优化算法分别将各种设备的成本模型中时间权重和能耗权重分别从0调至1，采用生物地理学优化算法进行求解，并获得一系列的最优解。

4.一种基于移动边缘计算的能耗优化计算系统，所述计算系统包括若干本地设备、若干边缘设备以及至少一个中心设备，本地设备计算出其时间成本和能耗成本，边缘设备和中心设备分别计算出其自身的时间成本和能耗成本；其特征在于，所述计算系统还包括计算设备；

所述计算设备包括：

模型构建单元，用于构建出最终成本模型，包括本地设备计算成本模型、边缘设备卸载成本模型以及中心设备卸载成本模型；

生物地理学优化算法单元，用于求解出最终成本模型中时间权重和能耗权重的一系列最优解；

快速非支配排序算法排序单元，用于对这一系列的最优解分别进行排序，并分别得到最优解集合；

多准则决策方法TOPSIS单元，用于计算出各自的理想解与负理想解，并从所述最优解集合中找到最接近理想解的最优解；

输出结果单元，用于将所述最接近理想解的最优解代入到对应的成本模型中，输出各设备最优的时间成本和能耗成本；

数据传递单元，用于将任务对应传递至策略选择的相应设备，即本地设备、边缘设备以及中心设备中的其中一种。

5.一种基于移动边缘计算的能耗优化卸载方法，其特征在于，所述方法包括：判断当前任务数据量与基准数据量的关系，若小于基准数据量，则不执行卸载操作，计算出本地设备上的时间成本和能耗成本；若大于基准数据量，则执行卸载准备操作，计算出边缘设备以及中心设备上的时间成本和能耗成本；

分别对上述三种设备的时间成本和能耗成本赋予权重后求和，并分别构建出本地设备计算成本模型、边缘设备卸载成本模型以及中心设备卸载成本模型；

将时间权重和成本权重分别从0调节至1，利用生物地理学优化算法求解出各个成本模型中时间成本和能耗成本的一系列成本解；

采用快速非支配排序算法对这一系列成本解分别进行排序，并分别得到成本解集合；

根据多准则决策方法TOPSIS，计算出各自的理想解与负理想解，并从所述成本解集合中找到最接近理想解的最优解；

将所述最优解代入到对应的成本模型中，确定出最优的时间成本和能耗成本；

将所述最优解代入对应的成本模型中进行计算，将边缘设备卸载成本模型中的计算结果或中心设备卸载成本模型的计算结果分别与本地设备计算成本模型所计算的结果对比；

如果对应的卸载成本比本地计算所对应的计算成本低，那么，就不执行卸载操作，并以当前任务数据量作为新的基准数据量，否则以成本最优的边缘设备或中心设备执行当前任务的卸载操作。

6.根据权利要求5所述的一种基于移动边缘计算的能耗优化卸载方法，其特征在于，当任务集中存在多个卸载任务时，以最小化任务集的最终卸载成本为目标，对任务集中各个任务的卸载设备进行分配，表示为：Costi＝βiC0sti.e+(1-βi)Costi.c其中，/表示任务集中的卸载任务总数；Costi表示任务i的最终卸载成本；βi表示任务i的云选择因子，如果Costi.e＞Costi.c，表明任务卸载到边缘设备更优，那么βi就等于1，相反则为0；Costi.e表示边缘设备的卸载成本；Costi.c表示中心设备的卸载成本。

7.一种基于移动边缘计算的能耗优化卸载系统，所述卸载系统包括若干本地设备、若干边缘设备以及至少一个中心设备，本地设备计算出其时间成本和能耗成本，边缘设备和中心设备分别计算出其自身的时间成本和能耗成本；其特征在于，所述卸载系统还包括计算设备和卸载设备；

所述计算设备包括：

模型构建单元，用于构建出最终成本模型，包括本地设备计算成本模型、边缘设备卸载成本模型以及中心设备卸载成本模型；

生物地理学优化算法单元，用于求解出最终成本模型中时间权重和能耗权重的一系列最优解；

快速非支配排序算法排序单元，用于对这一系列的最优解分别进行排序，并分别得到最优解集合；

多准则决策方法TOPSIS单元，用于计算出各自的理想解与负理想解，并从所述最优解集合中找到最接近理想解的最优解；

输出结果单元，用于将所述最接近理想解的最优解代入到对应的最终成本模型中，输出最优的时间成本和能耗成本；

数据传递单元，用于将输出的结果对应传递至相应的本地设备、边缘设备以及中心设备中；

所述卸载设备包括：

卸载调用单元，用于根据数据传递单元的结果调用各个卸载单元和本地执行单元；

本地执行单元，用于在本地设备中执行当前任务；

边缘卸载单元，用于在边缘设备中卸载当前任务；

中心卸载单元，用于在中心设备中卸载当前任务。

8.根据权利要求7所述的一种基于移动边缘计算的能耗优化卸载系统，其特征在于，所述卸载系统中各设备的卸载过程包括：边缘设备获取本地设备的任务信息，并将所述任务信息返回至本地设备；

本地设备根据边缘设备返回的任务信息，选择出卸载任务时所需的边缘设备；

计算出边缘设备进行卸载时所需的成本，以及本地设备进行计算时所需的成本，选择在成本更低的本地设备或边缘设备中进行任务卸载；

若没有边缘设备进行卸载任务，且在中心设备中进行任务卸载的成本低于在边缘设备进行任务卸载的成本，则将本地设备连接至中心设备，并将该任务卸载到中心设备。